正如每个人向您解释的那样，apachekafka:是连续消息队列
apachestorm：是一个连续处理工具
在这方面，kafka将使用api从fb、twitter等任何网站获取数据，并使用apachestorm对数据进行处理，您可以将处理后的数据存储在任意数据库中。
https://github.com/miguno/kafka-storm-starter
跟着它走你会知道的

这就是它的工作原理

Kafka-提供实时流
风暴-在那条河上执行一些操作
你可以看看github项目https://github.com/abhishekgoel137/kafka-nodejs-d3js.
（d3js是一个图形表示库）
理想情况：

Realtime application -> Kafka -> Storm -> NoSQL -> d3js

此存储库基于：

Realtime application -> Kafka -> <plain Node.js> -> NoSQL -> d3js

只需kafka将消息从一个节点发送到另一个节点，然后storm处理消息。查看这个示例，了解如何将apachekafka与storm集成

我知道这是一个较老的线程，apache kafka和storm的比较在编写时是有效和正确的，但值得注意的是，apache kafka多年来发展了很多，自版本0.10（2016年4月）以来，kafka包含了一个kafka streams api，它提供了流处理功能，而无需任何其他工具附加软件，如storm。kafka还包括用于连接到各种数据源和数据汇（目的地）的connectapi。
公告博客-https://www.confluent.io/blog/introducing-kafka-streams-stream-processing-made-simple/
当前apache文档-https://kafka.apache.org/documentation/streams/
在0.11kafka中，流处理功能被进一步扩展，以提供精确的一次语义和事务。
https://www.confluent.io/blog/exactly-once-semantics-are-possible-heres-how-apache-kafka-does-it/

Kafka和斯托姆的目的略有不同：
kafka是一个分布式的消息代理，它可以每秒处理大量的消息。它使用发布-订阅范式并依赖于主题和分区。Kafka利用zookeeper在经纪人之间分享和拯救国家。所以Kafka基本上负责把信息从一台机器传送到另一台机器。
storm是一个可伸缩的、容错的实时分析系统（就像hadoop一样实时思考）。它消耗来自源（喷口）的数据并将其传递到管道（螺栓）。可以在拓扑中组合它们。所以storm基本上是一个计算单元（聚合，机器学习）。
但是您可以同时使用它们：例如，您的应用程序使用kafka将数据发送到其他服务器，这些服务器使用storm对其进行一些计算。

您使用apachekafka作为一个分布式的健壮队列，它可以处理大量数据，并使您能够将消息从一个端点传递到另一个端点。
风暴不是排队。它是一个具有分布式实时处理能力的系统，意味着您可以并行地对实时数据执行各种操作。
这些工具的常见流程（据我所知）如下：
实时系统-->Kafka-->风暴-->nosql-->bi（可选）
因此，你有你的实时应用程序处理大量的数据，发送到Kafka队列。storm从Kafka那里提取数据并应用一些必要的操作。在这一点上，您通常希望从这些数据中获得一些好处，因此您可以将其发送到某个nosqldb进行额外的bi计算，也可以从任何其他系统中简单地查询这个nosql。

当我有一个用例需要我对模式进行可视化或警告（想想twitter趋势），同时继续处理事件时，我有几个模式。
nifi将允许我处理一个事件，并用非常非常少的定制编码来更新具有低（er）批聚合的持久数据存储。
storm（许多自定义编码）允许我几乎实时地访问趋势事件。
如果我能等上几秒钟，那么我就可以批量出Kafka，进入hdfs（Parquet地板）并进行加工。
如果我想在几秒钟内知道，我需要nifi，甚至可能是storm(想想监测数千个地球站，在那里我需要看到龙卷风警报的小区域天气状况。